Kinect v2에서 얼굴점간 거리 특징에 의한 얼굴표정 인식

Q: 이 논문에서 정의한 얼굴 표정 인식(ERFE)이란 무엇인가?

얼굴 표정을 통해 사용자의 감정 상태를 식별하는 기술을 의미한다. 본 연구에서는 Kinect v2 센서로 수집한 3차원 얼굴 좌표와 Animation Unit 데이터를 기반으로 한국인의 6가지 기본 감정과 무표정 상태를 분류하는 모델을 구축하여 이를 구현한다.

Q: Kinect v2 기반 얼굴 표정 인식의 정확도를 높이는 핵심 요인은 무엇인가?

연구 결과, Kinect가 제공하는 Animation Unit과 얼굴 점 사이의 수평 및 수직 거리 특징을 결합한 데이터셋을 사용하고 RBF-SVM 분류기를 적용했을 때 가장 높은 인식 정확도를 보였다. 이는 단순한 단위 데이터보다 기하학적 거리 변화를 함께 반영하는 것이 효과적임을 의미한다.

김왕수; 박경수; 홍진표

doi:10.5626/KTCP.2018.24.4.165

추천

검색

질문

자료유형: 학술저널

저자정보: 김왕수 (한국외국어대학교) 박경수 (한국외국어대학교) 홍진표 (한국외국어대학교)

저널정보: Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제24권 제4호

발행연도: 2018.4

수록면: 165 - 171 (7page)

DOI: 10.5626/KTCP.2018.24.4.165

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

30명의 한국인을 대상으로 얼굴 표정 비디오 데이터를 수집하고, Action Unit(AU)과 관련된 얼굴 표정 변화의 기하학적 특성을 반영한 feature을 선정, 추출하여 학습시킴으로써 감정 상태를 분류하고자 한다. Kinect 카메라와 SDK를 활용하여 얼굴 비디오를 촬영하고, 6개 기본 감정과 관련된 AU 모두를 19개의 거리로 표현하고, 평균 무표정 얼굴에서의 거리와의 차이를 입력 feature로 삼는다. 그 후 ELM과 RBF-SVM 알고리즘에 대해 다음 5종의 feature set에 대해 인식률을 비교 분석한다: Animation Unit(AnU) 세트, 유클리드 거리 및 수평/수직 거리 변화 2 세트, AnU과 거리 차 2 세트. 실험 결과, Kinect Animation Unit과 수평/수직 거리 조합으로 feature를 선택한 RBF-SVM 분류기에서 74.92%의 인식 정확도를 얻었다.

#얼굴표정 #감정인식 #기계학습 #Action Unit #facial expression #emotion recognition #machine learning

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)